تصادفی متغیر

آزاد دائرۃ المعارف، ویکیپیڈیا سے
:چھلانگ بطرف رہنمائی، تلاش
اصطلاح term

تصادفی متغیر
ساحہ
حیطہ

random variable
domain
range

تصویر 1

تصادفی متغیر اپنے نام کے باوجود نہ تو حادثاتی (یا اتفاقی) ہوتا ہے اور نہ ہی متغیر۔ بلکہ یہ ایک دالہ ہے جس کا ساحہ نمونہ فضا اور حیطہ اعداد ہوتے ہیں۔ جیسا کہ تصویر 1 میں دکھایا گیا ہے، نمونہ فضا S کے ہر نتیجہ کے ساتھ ایک عدد مخصوص کر دیا گیا ہے۔ دالہ کی تعریف کے مطابق ایک سے زیادہ "نتائج" کے لیے ایک ہی عدد مخصوص کرنا ممکن ہے، البتہ ایک نتیجہ کے لیے ایک سے زیادہ عدد مخصوص کرنے کی اجازت نہیں۔

نمونہ فضا پر تصادفی متغیر تعریف کر کے واقعات کو تصادفی متغیر کے استعمال سے بیان کیا جا سکتا ہے۔ تصادفی متغیر کی بدولت گوناں گوں نمونہ فضاؤں کی خصوصیات ریاضی کی یکساں زبان میں بیان کی جا سکتی ہیں، مسائل کے حل کے لیے ریاضی آلات تیار کیے جا سکتے ہیں، اور مسلئہ اثباتی ڈھونڈے جا سکتے ہیں۔

مثال 1[ترمیم]

فرض کرو کہ ایک سکہ ہؤا میں اچھالا جاتا ہے۔ اس کی نمونہ فضا Head اور Tail پر مشتمل ہے۔ ہم کہتے ہیں X کہ ایک تصادفی متغیر ہے جو کہ قدر 1 لیتا ہے اگر نتیجہ Head ہو، اور قدر 0 لیتا ہے اگر نتیجہ Tail ہو۔ 
X = \left\{\begin{matrix}
1, & \texttt{if \, Head} \\
0, & \texttt{if\, Tail}
\end{matrix}\right\}

اب تصادفی متغیر کے استعمال سے بیان \ (X=1) سے مراد واقعہ \ \{Head\} ہو گا۔

یہ زور دینے کے لیے کہ تصادفی متغیر دالہ ہوتا ہے، نمونہ فضا S پر "تصادفی متغیر" X کو یوں

 X(\omega)\,,\, \omega \in S

بھی لکھا جاتا ہے۔ اس مثال میں \  S=\{Head, Tail\}

مثال 2[ترمیم]

ایک ریڈیو پروگرام کو فون کر کے سامعین ایشیا میں اپنی پسند کی جگہ بتاتے ہیں۔ تصادفی متغیر A ایشیا میں کسی بھی جگہ کی بلندی ہے۔ چونکہ ایشیا میں سب سے بلند جگہ ایورسٹ چوٹی ہے جس کی بلندی 8848 میٹر ہے، اور سب سے پست جگہ بحرِ مردار ہے جس کی پستی 418 میٹر ہے، اس لیے تصادفی متغیر A کا حیطہ اعداد کا وقفہ \ [-418, 8848] ہے۔ اب اگر خابر کی کوئی سامع اسلام آباد میں واقع شکر پریاں کا مقام چنتی ہے، تو

\ A(\hbox{Shakar parian}) = 517
تصویر 2

مثال 3[ترمیم]

ایک برقی مزاحم میں حرارت کی وجہ سے برقیہ کے ارتعاش کی وجہ سے جارِ برقی پیدا ہوتا ہے۔ اس مظاہر کو حرارتی شور کہا جاتا ہے۔ اس کی وجہ سے پیدا ہونے والے برقی جُہد (voltage) کو بہت حساس آلے کی مدد سے مزاحم کے کناروں کے پار پڑھا جا سکتا ہے۔ چونکہ اس شور کا ماخذ تصادفی ہے، اس لیے ہر تجربہ پر مختلف برقی جُہد پڑھا جائے گا۔ یہ برقی جُہد V ایک تصادفی متغیر ہے۔ اس مثال میں نمونہ فضا پچیدہ طبیعیاتی عمل کی مرہون منت ہے، اور اس کی نمونہ فضا عام آدمی کے لیے واضح بھی نہیں، مگر یہ تصادفی متغیر (برقی جُہد) آلے پر پڑھا جا سکتا ہے۔ اس مثال سے اصطلاح "تصادفی متغیر" کی وجہ تسمیہ پتہ چلتی ہے۔ اوپر ہم نے "تصادفی متغیر" کی تعریف ایک دالہ کے طور پر کی تھی، جو کہ مسلماتی تعریف ہے۔ اس مثال سے پتہ چلا کہ عام مشاہدے میں "تصادفی متغیر" اس طرح کے بھی ہوتے ہیں، جن میں نمونہ فضا واضح نہ ہوتے ہوئے بھی "تصادفی متغیر" کو تجربہ میں ناپا جا سکتا ہے۔

اصطلاح term

اقدار
توزیع
دالہ
کمیت
تَراكُمی
دو رقمی
متوقع قدر
تَفاوُت

values
distribution
function
mass
cumulative
binomial
expected value
variance

متفرد تصادفی متغیر[ترمیم]

ایسے تصادفی متغیر کو متفرد کہا جاتا ہے، اگر اس کی تمام ممکنہ اقدار متفرد مجموعہ ہوں۔

مثال[ترمیم]

دو چھ اطرافی طاس، سبز اور سرخ رنگ کے، کو اچھالا جاتا ہے۔

  • تصادفی متغیر S سبز اور سرخ طاس کے اعداد کی جمع ہے۔ اس کا حیطہ \{2, 3, \cdots, 12\} ہو گا۔
  • تصادفی متغیر D سبز اور سرخ طاس کے اعداد کا فرق ہے۔ اس کا حیطہ \{-5,-4, \cdots, 4, 5\} ہو گا۔
  • تصادفی متغیر M سبز اور سرخ طاس کے اعداد کا اکبر ہے۔ اس کا حیطہ \{1, 2, 3, 4, 5, 6\} ہو گا۔

یہ تینوں تصادفی متغیر متفرد ہیں۔

توزیع احتمال[ترمیم]

تفصیلی مضمون: توزیع احتمال

متفرد تصافی متغیر X کی احتمال کمیت دالہ \ p_X(.) کسی بھی عدد x کے لیے یوں تعریف ہوتی ہے

 p_X(x) = \Pr(X=x) = \Pr(\hbox{all } s \in S: X(s)=x)

یعنی \ p_X(x) اس احتمال کے برابر ہے کہ تصادفی متغیر X کی قدر x بنے۔ یہاں S نمونہ فضا ہے، جو تصادفی متغیر X کا ساحہ ہے۔ غور کرو کہ

 p_X(x) \ge 0
 p_X(x) \le 1
\ \sum_{x}p_X(x) = 1

اب متفرد تصادفی متغیر X کی تَراكُمی توزیع احتمال دالہ یوں تعریف ہو گی

 F_X(x) = \Pr(X \le x) = \sum_{x: X(s) \le x}p(x)

یعنی یہ احتمال کہ تصادفی متغیر X کی قدر x کے برابر یا اس سے کم ہو۔ غور کرو کہ

 F_X(x) \ge 0, \forall x
 F_X(-\infty) = 0
 F_X(\infty) = 1

متفرد تصادفی متغیر X کے لیے اس کے "احتمال کمیت دالہ" \ p_X(x) ، اور "تَراكُمی توزیع احتمال دالہ" \ F_X(x) ، دونوں کو "توزیعِ احتمال" پکارا جاتا ہے۔

تصویر 2: دو رقمی توزیع کی احتمال کمیت دالہ \ p_X(.)
تصویر 3: دو رقمی توزیع کی تَراكُمی توزیع احتمال دالہ \ F_X(.)

مثال: دو رقمی توزیعِ احتمال[ترمیم]

تفصیلی مضمون: دو رقمی توزیع احتمال

بعض اوقات ایک ہی تجربہ کو متعدد بار دہرایا جاتا ہے (جیسے سکے کو بار بار فضا میں اچھالا جائے)۔ ایسے بار بار آزمائش میں فرض کرو کہ:

  • دو ممکنہ نتائج ہیں، "کامیابی" اور "ناکامی"
  • ہر آزمائش پر "کامیابی" کا احتمال p ہے، اور "ناکامی" کا احتمال  \ 1-p
  • آزمائش کی تعداد n ہے
  • ہر آزمائش دوسری آزمائشوں سے آزاد ہے

فرض کرو کہ تصادفی متغیر X ہے، جو ان n آزمائشوں میں "کامیابی" کی تعداد ظاہر کرتا ہے۔ اس متفرد تصادفی متغیر کا حیطہ

 \{0,1,2,\cdots, n\}

ہے، اور توزیعِ احتمال

 p_X(x) = \frac{n!}{x! (n-x)!} p^x (1-p)^{n-x}

اس توزیع احتمال کو "دو رقمی توزیع" کے نام سے پکارا جاتا ہے۔ ( یہاں ! کی علامت عامِلیہ کو ظاہر کرتی ہے۔)

متوقع قدر[ترمیم]

تفصیلی مضمون: متوقع قدر

تصادفی متغیر X کی متوقع قدر اس کی احتمال کمیت دالہ \ p_X(.) سے وزن شدہ اوسط کو کہتے ہیں، اور اس متوقع قدر \ E(X) کو یوں تعریف کیا جاتا ہے

\ E(X) = \sum_{i} x_i p_X(x_i)

متوقع قدر کو تصافی متغیر X کی احتمال کمیت دالہ کا مرکزِ کشش ثقل سمجھا جا سکتا ہے۔

مثال: دو رقمی توزیعِ احتمال شدہ تصادفی متغیر X کی متوقع قدر \ E(X)

 E(X) = \sum_{x=0}^n x p_X(x) = np

تصویر 2 میں سرخ خطِ منحنی کے مطابق E(X)=np=40 \times 0.5 = 20

متوقع قدر کو تصادفی متغیر کا اوسط بھی کہا جاتا ہے۔

تفاوت[ترمیم]

تفصیلی مضمون: تفاوت

تصادفی متغیر کا اپنی متوقع قدر سے ممکنہ انحراف کی مقدار کو جانچنے کے لیے، تصادفی متغیر کا تَفاوُت استعمال ہوتا ہے۔ اگر تصادفی متغیر X کی متوقع قدر کو

\  \mu = E(X)

لکھا جائے، تو X کا تَفاوُت (variance) یوں تعریف کیا جاتا ہے

\ \hbox{var}(X) = E\left((X-\mu)^2\right)
= E(X^2) - \mu^2

جہاں \ E(X^2) = \sum_{i} x_i^2 p_X(x_i) غور کرو کہ \ E(X^2) متغیر \ x^2 کی وزن شدہ اوسط ہے، جہاں وزن تصادفی متغیر X کی احتمال کمیت دالہ \ p_X(.) سے کیا گیا ہے۔

اس تَفاوُت کے مربع جزر کو تصادفی متغیر کا معیاری انحراف کہا جاتا ہے، جو یہ بتاتا ہے کہ تصادفی متغیر کی ممکنہ اقدار کا اپنی متوقع قدر کے گرد پھیلاؤ کتنا سمجھا جا سکتا ہے۔ معیاری انحراف (standard deviation)

\ \hbox{std. dev.}(X) = \sqrt{\hbox{var}(X)}

مثال: دو رقمی توزیعِ احتمال شدہ تصادفی متغیر X کا

\ \hbox{var}(X) = np(1-p)

تصویر 2 میں سرخ خطِ منحنی کے مطابق تَفاوُت \hbox{var}(X)=np(1-p)=40 \times 0.5 \times (1-.5) = 10 اور معیاری انحراف \ \hbox{std. dev. (X)} = 10^{\frac{1}{2}} \approx 3.16

تصادفی متغیر کا دالہ[ترمیم]

دی گئی دالہ \ g(.)، تو کسی تصادفی متغیر X کے لیے،

\ Y=g(X)

بھی ایک تصادفی متغیر ہو گا، اور اس کی تَراكُمی توزیع احتمال یوں لکھی جا سکتی ہے، تصادفی متغیر X کی تَراكُمی توزیع احتمال کے استعمال سے:

 F_Y(y) = \Pr(Y \le y)= \Pr(g(X)\le y)

اور دیکھو[ترمیم]

E=mc2     اردو ویکیپیڈیا پر ریاضی مساوات کو بائیں سے دائیں LTR پڑھیٔے     ریاضی علامات